[发明专利]一种面向边缘网络的可分割任务卸载调度方法

说明书

本发明公布了一种面向边缘网络的可分割任务卸载调度方法，属于边缘计算领域。本发明采用时序扩展图来表征设备在不同时刻的能量采集和充电效率的动态性，以及传输链路质量和传输功率的网络动态性。利用时序扩展图将网络的动态性和无线干扰等因素转化为图中的静态权重，然后利用对偶原理将原问题进行转换，进而利用本发明设计的算法去获取一个近似解。对比随机卸载算法，本发明的方法能够有效提高效用值。

技术领域

本发明属于边缘计算领域，具体涉及一种面向边缘网络的可分割任务卸载调度方法。

背景技术

物联网的快速发展，让越来越多的终端设备连接到互联网，终端设备可以借助互联网共享信息，但也因此面临计算和存储能力有限的问题。物联网终端设备将部分计算任务转移到计算和存储能力相对丰富的节点有助于缓解终端设备计算和存储能力有限的问题，我们把这样的方式称为计算卸载。

近年来，一些研究工作主张将任务卸载到云，但物联网终端设备和相对应的任务数量正在快速增长，这些任务数量的快速增长给云带来了巨大的负荷；另一方面，由于云的位置一般离终端较远，传输网络延迟较大，能耗高，以至于无法应用于时间敏感的场景，如工业物联网中的实时控制。另外也有一些研究工作主张将任务转移到具有一定计算和存储能力的边缘服务器上。边缘服务器根据自己的能力接收并完成多个物联网设备上卸载的任务，称这个过程为边缘计算。边缘计算突出了其在降低延迟和节省带宽方面的优势，有效地提高了边缘服务器提供的服务的可靠性和质量。

现有的方式考虑了卸载过程中网络传输速率和链路质量的动态变化，没有考虑网络传输过程中的无线干扰等因素，如果把这些问题都考虑进去，问题就会变得非常复杂。因此，在无线干扰、网络动态变化等多种因素的约束下，如何降低设备能耗的同时实现网络资源的最大化利用仍然是一个巨大的挑战。

发明内容

本发明针对上述问题进行了针对性的探索，对复杂边缘网络环境下的多终端节点可分割任务卸载提出了一种面向边缘网络的可分割任务卸载调度方法。

本发明一种面向边缘网络的可分割任务卸载调度方法，其具体的步骤如下：

步骤一、构建边缘网络模型，边缘网络层共有三层，分别是云层、边缘层和终端层，云层由云服务器组成，边缘层由边缘服务器组成，终端层由多样化的终端设备组成，构建网络图G(V,E)来表示上述边缘网络，分别有云节点、边缘节点、终端节点。

步骤二、构建能量消耗模型，终端节点、边缘节点、云节点在发送任务、接收任务、执行任务过程均需要消耗相应的能量。

步骤三、构建时间消耗模型，边缘节点和云节点执行任务的过程需要消耗一定的时间。

步骤四、构建效用值模型，边缘节点和云节点成功执行由终端节点发送的任务后会获得一定的效用值。

步骤五、为了更好表征网络动态性，通过时序扩展图G(V^T,E^T)来表示G(V,E)。

步骤六、构建基于时序扩展图的单路径模型。

步骤七、构建基于时序扩展图的效用最大化模型。

步骤八、利用网络流的概念，可以将与吞吐量相关的路径视为网络流，将步骤七中的问题转换为线性规划的最大流问题并进一步转换为其对应的对偶问题。

步骤九、基于时序扩展图获取每个终端节点的卸载路径，主要步骤如下：

(1)通过迪杰斯特拉算法寻找任务集合F中每个源终端节点的最短路径。

(2)给当前这条最短路径分配能量以寻找可用的吞吐量，并在约束条件下，获得一个最大吞吐量。

(3)更新包含在最短路径中每条边的容量和长度以及每个节点的剩余能量，同时，被最短路径中边干扰的边也将被更新。